运筹帷幄混沌工程

系统韧性是由人创造的。人是复杂系统的一部分，构成社会技术系统。要提高系统韧性，需要理解核准、筹资、观测、构建、运行、维护和提出系统需求的人与物

之间的相互作用，混沌工程可以帮助更好地理解人和机器之间的社会技术界限。技能学习是提高适应力的一种手段。意外事件让我们有机会看不同的人对系统如何运作的思维方式有何差异。混沌工程实验能促进组织变革。给系统带来可用性和安全性的工具和人之间存在依存关系。既要依赖自动化，也要依赖人的因素。

为了确定并设想如何实现客户和企业都能满意的可靠性和韧性，组织必须能够反思过去，且不被事后孔明的偏见所影响。了解每个人对系统构建的关注点、想法和思维模式，以及组织在技术和人员应变能力方面的优势，这些都是无法通过代码自动完成的事情。混沌工程带来的最大好处是提炼专业技能。混沌工程有准备阶段、执行阶段和成果分享阶段。每个阶段有不同的技能要求和思维模式。

设计混沌工程实验。每个人拥有基础设施如何运行的不同的上下文。这就是混沌工程的用武之地。我们看到，当系统中某部分失效时，我们对于接下来会发生什么的思维模式和假设有所不同。实验使我们愿意讨论这些差异，而不会分心去担心发生的事情会给谁带来麻烦。

协调员应通过提出一系列问题来引导参与者。这些问题从你关心系统的哪些行为和交付开始。接下来协调员可以问: 你认为你的队友对系统的了解程度如何?我们可以找到一些常见的共同之处: 你是否担心下游服务?如果你的服务出现问题，上游服务将如何处理?如果你的服务出现问题该怎么办?你是否有适当的备选方案?这些备选方案有什么用?你的系统最近是否有可能引入新的漏洞?谁最了解这些变化?你的服务是否可能进入糟糕的状态?什么会导致这种情况发生?你对系统各种配置参数的设置是否有信心?系统的日常操作中，最让你害怕的是什么?

一旦你选择了一个实验，最重要的是讨论清楚实验的范围，通过询问以下问题来调整每个人的思维模式以保持一致: 如何定义正常和良好的操作?如何确定实验的范围?确定这个范围的理由是什么?房间中每个人都明白其中的原因吗?你是怎么知道的?这次故障会发生什么?我们期望从单个组件中得到什么?我们对整个系统的期望是什么?如何知道系统是否处于不良状态?在实验过程中，哪些指标对我们来说是重要的?我们是如何观测这个系统的?如何限制爆炸半径?实验的商业价值是什么?组织的其他成员获得的价值是什么?

阐明和重申你的实验假设: 如何系统的某部分失效，那么什么就会发生，影响是什么。写下来稳态是什么。偏离稳态的指标期望是什么。写下来你对用户体验的期望。写下来你期望的后续影响。与所有利益相关者共享文档。

协调、认知访谈和专业技能传播对组织成功开展混沌工程非常重要。将混沌实验自动化，降低其他团队的学习难度，提高学习深度，分享了自动化的开发方法和实现的成果之后，才能实现每个人对系统如何工作和如何失效有一个更好的全面理解。团队最终从便利的实验设计和思考模式的比较中学到更多东西。